问题描述
我总是在不使用prep()，bake()或juice()的情况下完成模型的拟合和预测：
rec_wflow <-
workflow() %>%
add_model(lr_mod) %>%
add_recipe(rec)
data_fit <-
rec_wflow %>%
fit(data = train_data)
这些（prep，bake，juice）函数是否仅用于视觉检查数据的预处理结果，而对于拟合/训练过程不是必需的吗？
What is the difference among prep/bake/juice in the R package "recipes"?
上面的代码是我在官方教程中学到的。
我在另一个博客中读到，如果您使用train_data，则会产生数据泄漏。我想听听更多这些功能与数据泄漏有关吗？
解决方法
简短的回答：您是对的，当像您的示例那样在工作流程中使用配方时，不需要预处理功能。
这在教程Handle class imbalance in #TidyTuesday climbing expedition data with tidymodels中已涉及：
我们将在工作流程（）中使用此配方，因此我们无需过多地强调是否要进行prep（）。如果要探索配方对数据的作用，可以先准备（）配方以估算每个步骤所需的参数，然后烘烤（new_data = NULL）以应用这些步骤提取训练数据。
我推荐Julia博客上的所有教程，以了解tidymodels。